多聚焦图像融合算法研究

摘要

    图像融合是将同一对象的两个或多个图像按一定规则合成为一幅图像。其关键是抽取每幅源图像中的清晰区域，并将这些清晰区域以一定的规则融合起来，从而生成一幅清晰且信息量完整的融合图像。多聚焦图像融合的具体目标在于提高图像的空间分辨率、改善图像的几何精度、增强特征显示能力、改善分类精度、替代或修补图像数据的缺陷等。

本文概括了多聚焦图像融合的一些基本概念和相关的基本知识，对DWT分解的层数和方向子带的个数对融合结果的影响进行了初步的研究。并就加权平均法、单层DWT分解、二层及二层以上DWT分解对多聚焦图像的融合进行了算法研究和编程实现，并对这些方法的仿真结果进行了比较分析。

仿真结果表明，基于空间域的加权平均法的融合效果非常一般，在图像的细节表现力方面存在很大的不足；而基于变换域中的小波变换的低频取平均、高频取绝对值最大的融合算法在小波分解层数达到三层时，所得融合图像的性能指标，如信息熵、空间频率和清晰度都较为理想，达到了预期目的。可见多层DWT分解融合方法具有较高的应用价值，可以将其用于图片的判读分析，如指纹识别、人脸鉴别、不完整图片的复原等。

关键词：图像融合，多聚焦图像，加权平均，DWT

                                 

ABSTRACT

....

KEY WORDS: image fusion，multi-focus image，weighted average，DWT 

目录

第一章 绪论 5

    1.1课题研究的背景和意义 5

1.2 研究现状及存在的问题 5

1.2.1 研究现状 5

1.2.2 存在的问题 6

1.3多聚焦图像融合技术 7

1.3.1 多聚焦图像成像特点 7

1.3.2 多聚焦图像融合层次 8

1.4 本文章节的安排 8

第二章 多聚焦图像融合的基础理论 10

2.1多聚焦图像成像原理 10

2.2 多聚焦图像融合主要算法 11

2.2.1 空间域多聚焦图像融合 12

2.2.2 变换域多聚焦图像融合 17

2.3 多聚焦图像融合质量评价 19

        2.3.1 主观评价 19

2.3.2 客观评价 19

2.4 本章小结 21

第三章 基于小波变换的多聚焦图像融合 22

3.1 引言 22

3.2 小波变换的基础理论 22

3.2.1 小波定义 22

3.2.2 连续小波变换 23

3.2.3 离散小波变换 24

3.3 小波的分解 25

3.3.1小波基的选择与分解层数 26

3.4算法仿真与结果分析 27

3.4.1算法仿真 27

3.4.2融合结果分析 30

3.5 本章小结 30

第四章 总结与展望 31

4.1 全文总结 31

4.2 工作展望 32

参考文献 33

致 谢 35

文档设计小结 36

附 录A 37

附 录B 38

附 录C 40

附 录D 43